使用Redis作为向量数据库时向量搜索无结果的求助

我正尝试按照Redis官方文档示例，用TypeScript计算两个嵌入数组的距离。已成功创建索引并加载数据，但无论如何查询Redis，都返回0条结果。

使用JSON键 #

简化代码如下：

const INDEX_NAME = 'idx:jobs';

const client = createClient({
  socket: {
    host: 'cache',
    port: 6379, // Number.parseInt(REDIS_PORT, 10),
    connectTimeout: 10000,
    // tls: true,
  },
});

const schema: RediSearchSchema = {
  '$.title': { type: SchemaFieldTypes.TEXT },
  '$.document': { type: SchemaFieldTypes.TEXT },
  '$.embeddings': { type: SchemaFieldTypes.VECTOR, DIM: 1536, DISTANCE_METRIC: 'COSINE', ALGORITHM: VectorAlgorithms.FLAT, TYPE: 'FLOAT32' }
}

client.on('error', (error) => {
  console.error('Redis error', { error });
  client.disconnect();
});

app.listen(port, async () => {
  await client.connect();
  await client.ft.create(INDEX_NAME, schema, { PREFIX: 'jobs:', ON: 'JSON' });
  const id1 = randomUUID();
  await client.json.SET(`jobs:${id1}`, '.', { title: 'dummy1', document: 'test stuff', embeddings: embedding });
  const id2 = randomUUID();
  await client.json.SET(`jobs:${id2}`, '.', { title: 'dummy', document: 'test stuff', embeddings: embedding });
  const id3 = randomUUID();
  await client.json.SET(`jobs:${id3}`, '.', { title: 'dummy', document: 'test stuff', embeddings: embedding });
  console.log(`Server is running at http://localhost:${port}`, client.isReady);
});

使用KNN方法查询：

const embeddingArray = []; // 实际为长度1536的浮点数数组
const embeddings = new Float32Array(embeddingArray);

const result = await client.ft.search(
    INDEX_NAME,
    '(*)=>([KNN 3 @embeddings $query_vector AS vector_score])', {
      DIALECT: 2,
      RETURN: ['vector_score', 'title', 'document'],
      PARAMS: {
        'query_vector': Buffer.from(embeddings.buffer),
      },
    }
);

使用Hash键 #

尝试Redis Stack UI中的Hash键示例，修改存入逻辑：

await client.hSet(`jobs:${id1}`, { title: 'dummy1', document: 'test stuff', embeddings: Buffer.from((new Float32Array(embedding)).buffer) });

同时将索引设置为ON: 'HASH'，查询方式不变，仍返回0结果。

排查与解决思路 #

• 验证向量数据完整性

  1. 检查存入的embedding是否为长度1536的Float32数组，转换为Buffer后长度应为1536 * 4（每个Float32占4字节），打印Buffer.from(embedding.buffer).length确认。
  2. 确保查询时的embeddingArray不是空数组，且长度严格等于1536，避免因维度不匹配导致查询失败。

• 索引与键的匹配校验

  1. 用Redis CLI执行KEYS jobs:*，确认存入的键确实以jobs:开头，与索引的PREFIX设置一致。
  2. 对于JSON类型索引，确认schema中的$.embeddings路径与JSON数据中的字段完全匹配（注意大小写、字段名拼写）。

• 查询语法与参数检查

  1. 尝试将查询的DIALECT改为3，部分Redis Stack版本对DIALECT 2的KNN支持存在兼容问题。
  2. 对比存入时的向量Buffer与查询时的Buffer，确保二进制数据完全一致，可打印两者的前8字节进行比对。

• 手动测试验证
  在Redis CLI中执行手动查询，排除代码封装的问题：

  FT.SEARCH idx:jobs "(*)=>[KNN 3 @embeddings $query_vector AS vector_score]" DIALECT 3 RETURN 3 vector_score title document PARAMS 2 query_vector "<你的向量Buffer十六进制字符串>"
  

  也可以用相同的向量存入再查询，验证索引逻辑是否正常。

• Hash类型额外注意点
  用HGET jobs:<id> embeddings查看Hash字段值，确认存储的是二进制数据而非字符串化的Buffer。

内容的提问来源于stack exchange，提问作者Jesus Diaz Rivero